در این دوره به تعریف نرم‌افزار متن‌باز می‌پردازیم، تاریخچه نرم‌افزار متن‌باز را مرور می‌کنیم و در طول دهه‌ها به زیرساخت‌های فناوری جهان چه مزایایی داشته است. هدف این دوره این است که به شما بیاموزد چگونه در پروژه های متن باز کار کنید و مزایای زیادی از آن به دست آورید و واقعاً بفهمید که چه مزیت هایی دارد. شما در مورد بهترین شیوه های همکاری و نحوه تشویق تنوع در پروژه های منبع باز یاد خواهید گرفت. ما در مورد مدل‌های مختلف مجوز در دسترس صحبت خواهیم کرد، زیرا این به شما کمک می‌کند تا تصمیم بگیرید که بهترین مجوز برای پروژه شما چیست. ما در مورد روش‌هایی که معمولاً استفاده می‌شوند، مانند Continuous Integration و استفاده از GitHub و سایر ارائه‌دهندگان میزبانی به عنوان محل ملاقات مرکزی برای پروژه‌های منبع باز صحبت خواهیم کرد و چند نمونه از پروژه‌های منبع باز موفق را ارائه خواهیم داد.

در این دوره، انواع مختلف مسائل، مرزهای آنچه که یک مسئله را قابل حل می‌کند و الگوریتم‌ها، قوانین و اکتشافی‌های مختلفی که می‌توانیم برای حل این مسائل پیاده‌سازی کنیم را بررسی خواهیم کرد.

این دوره تکنیک های اصلی مورد استفاده در داده کاوی، از جمله تجزیه و تحلیل الگوی مکرر، طبقه بندی، خوشه بندی، تجزیه و تحلیل پرت، و همچنین استخراج داده های پیچیده و مرزهای تحقیقاتی در زمینه داده کاوی را پوشش می دهد. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده یا کارشناسی ارشد در علوم کامپیوتر ارائه شده در پلت فرم Coursera گذراند. این مدارک تحصیلات تکمیلی کاملاً معتبر دوره های هدفمند، جلسات کوتاه 8 هفته ای و شهریه پرداختی را ارائه می دهند. پذیرش بر اساس عملکرد در سه دوره مقدماتی است، نه سابقه تحصیلی. مدارک CU در Coursera برای فارغ التحصیلان اخیر یا متخصصان شاغل ایده آل است. بیشتر بدانید: کارشناسی ارشد در علم داده: https://www.coursera.org/degrees/master-of-science-data-science-boulder کارشناسی ارشد در علوم کامپیوتر: https://coursera.org/degrees/ms-computer-science-boulder تصویر لوگوی دوره توسط Lachlan Cormie، در اینجا در Unsplash موجود است: https://unsplash.com/photos/jbJp18srifE

روش‌های ماتریس ریاضی ریشه اکثر روش‌های یادگیری ماشین و تجزیه و تحلیل داده‌های داده‌های جدولی است. اصول اولیه روش های ماتریس، از جمله ضرب ماتریس-ماتریس، حل معادلات خطی، متعامد، و بهترین تقریب حداقل مربعات را بیاموزید. تجزیه ارزش منفرد را کشف کنید که نقش اساسی در کاهش ابعاد، تجزیه و تحلیل اجزای اصلی و کاهش نویز دارد. از مثال‌های اختیاری با استفاده از پایتون برای نشان دادن مفاهیم استفاده می‌شود و به زبان‌آموز اجازه می‌دهد تا الگوریتم‌ها را آزمایش کند.

این دوره روش های یادگیری عمیق (DL)، داده های مراقبت های بهداشتی و برنامه های کاربردی با استفاده از روش های DL را پوشش می دهد. این دوره ها شامل فعالیت هایی مانند سخنرانی های ویدئویی، آزمایشگاه های برنامه نویسی خود هدایت شونده، تکالیف درسی (چه کتبی و چه برنامه نویسی) و یک پروژه بزرگ است. مرحله اول این دوره شامل سخنرانی های ویدئویی در مورد موضوعات مختلف DL و برنامه های کاربردی سلامت، آزمایشگاه های خود هدایت شونده و تکالیف متعدد در منزل خواهد بود. در این مرحله، دانش و تجربه خود را در توسعه مدل های یادگیری عمیق عملی بر روی داده های مراقبت های بهداشتی ایجاد خواهید کرد. مرحله دوم این دوره یک پروژه بزرگ خواهد بود که می تواند منجر به گزارش فنی و نسخه ی نمایشی عملکرد مدل های یادگیری عمیق برای رسیدگی به برخی از مشکلات خاص مراقبت های بهداشتی شود. ما انتظار داریم که بهترین پروژه ها به طور بالقوه به انتشارات علمی منجر شوند.

این دوره روش های یادگیری عمیق (DL)، داده های مراقبت های بهداشتی و برنامه های کاربردی با استفاده از روش های DL را پوشش می دهد. این دوره ها شامل فعالیت هایی مانند سخنرانی های ویدئویی، آزمایشگاه های برنامه نویسی خود هدایت شونده، تکالیف درسی (چه کتبی و چه برنامه نویسی) و یک پروژه بزرگ است. مرحله اول این دوره شامل سخنرانی های ویدئویی در مورد موضوعات مختلف DL و برنامه های کاربردی سلامت، آزمایشگاه های خود هدایت شونده و تکالیف متعدد در منزل خواهد بود. در این مرحله، دانش و تجربه خود را در توسعه مدل های یادگیری عمیق عملی بر روی داده های مراقبت های بهداشتی ایجاد خواهید کرد. مرحله دوم این دوره یک پروژه بزرگ خواهد بود که می تواند منجر به گزارش فنی و نسخه ی نمایشی عملکرد مدل های یادگیری عمیق برای رسیدگی به برخی از مشکلات خاص مراقبت های بهداشتی شود. ما انتظار داریم که بهترین پروژه ها به طور بالقوه به انتشارات علمی منجر شوند.

در این دوره، با چندین الگوریتم آشنا خواهید شد که می توانند سیاست های نزدیک به بهینه را بر اساس تعامل آزمون و خطا با محیط بیاموزند --- یادگیری از تجربه خود عامل. یادگیری از تجربه واقعی قابل توجه است زیرا نیازی به دانش قبلی در مورد پویایی محیط ندارد، اما هنوز می تواند به رفتار مطلوب دست یابد. ما روش های مونت کارلو ساده اما قدرتمند و روش های یادگیری تفاوت زمانی از جمله یادگیری Q را پوشش خواهیم داد. ما این دوره را با بررسی اینکه چگونه می‌توانیم بهترین‌ها را از هر دو دنیا بدست آوریم، به پایان می‌رسانیم: الگوریتم‌هایی که می‌توانند برنامه‌ریزی مبتنی بر مدل (مشابه برنامه‌نویسی پویا) و به‌روزرسانی‌های تفاوت زمانی را برای تسریع اساسی یادگیری ترکیب کنند. در پایان این دوره شما قادر خواهید بود: - یادگیری تفاوت زمانی و مونت کارلو را به عنوان دو استراتژی برای تخمین توابع ارزش از تجربه نمونه برداری شده درک کنید. - درک اهمیت اکتشاف، هنگام استفاده از تجربه نمونه برداری شده به جای برنامه نویسی پویا در یک مدل - ارتباط بین Monte Carlo و Dynamic Programming و TD را درک کنید. - پیاده سازی و اعمال الگوریتم TD، برای تخمین توابع مقدار - پیاده سازی و اعمال Expected Sarsa و Q-Learning (دو روش TD برای کنترل) - تفاوت بین کنترل در سیاست و خارج از سیاست را درک کنید - درک برنامه ریزی با تجربه شبیه سازی شده (بر خلاف استراتژی های برنامه ریزی کلاسیک) - یک رویکرد مبتنی بر مدل برای RL به نام Dyna پیاده سازی کنید که از تجربه شبیه سازی شده استفاده می کند - یک مطالعه تجربی برای مشاهده بهبود کارایی نمونه در هنگام استفاده از Dyna انجام دهید

پروژه‌های زیست‌شناسی در مقیاس بزرگ مانند تعیین توالی ژنوم انسان و بررسی‌های بیان ژن با استفاده از RNA-seq، ریزآرایه‌ها و سایر فناوری‌ها، داده‌های زیادی را برای زیست‌شناسان ایجاد کرده‌اند. با این حال، چالشی که دانشمندان با آن روبرو هستند، تجزیه و تحلیل و حتی دسترسی به این داده ها برای استخراج اطلاعات مفید مربوط به سیستم مورد مطالعه است. این دوره بر استفاده از منابع بیوانفورماتیک موجود - عمدتاً برنامه‌ها و پایگاه‌های اطلاعاتی مبتنی بر وب - برای دسترسی به انبوه داده‌ها برای پاسخ به سؤالات مربوط به یک زیست‌شناس معمولی تمرکز دارد و بسیار کاربردی است. موضوعات تحت پوشش شامل ترازهای توالی چندگانه، فیلوژنتیک، تجزیه و تحلیل داده های بیان ژن، و شبکه های تعامل پروتئین، در دو بخش جداگانه است. بخش اول، روش‌های بیوانفورماتیک I، به پایگاه‌های داده، انفجار، هم‌ترازی‌های توالی چندگانه، فیلوژنتیک، تجزیه و تحلیل انتخاب و متاژنومیکس می‌پردازد. این، بخش دوم، روش‌های بیوانفورماتیک II، جستجوی موتیف، برهمکنش‌های پروتئین-پروتئین، بیوانفورماتیک ساختاری، تجزیه و تحلیل داده‌های بیان ژن و پیش‌بینی‌های عنصر cis را پوشش می‌دهد. این جفت دوره برای هر دانش آموزی که تحصیلات تکمیلی در علوم زیستی را در نظر دارد و همچنین دانشجویانی که پزشکی مولکولی را در نظر دارند مفید است. این دوره‌ها بر اساس دوره‌ای است که در دانشگاه تورنتو به دانش‌آموختگان سطح بالایی که تا حدودی از زیست‌شناسی مولکولی پایه دارند، تدریس می‌شود. اگر با این کار آشنایی ندارید، چیزی مانند https://learn.saylor.org/course/bio101 ممکن است مفید باشد. هیچ برنامه نویسی برای این دوره مورد نیاز نیست، اگرچه برخی از کارهای خط فرمان (هر چند در یک مرورگر وب) در ماژول 5 رخ می دهد. Bioinformatic Methods II به طور منظم به روز می شود و آخرین بار در ژانویه 2024 به روز شده است.

این در درجه اول برای دانشجویان سال اول و دوم کارشناسی علاقه مند به روانشناسی، تجزیه و تحلیل داده ها و روش های تحقیق کمی همراه با دانش آموزان دبیرستانی و متخصصان با علایق مشابه است.

این دوره به شما یک نمای کلی از فرصت های فعلی و دسترسی همه جانبه علوم اجتماعی محاسباتی را ارائه می دهد. نتایج همه روزه در اطراف ما هستند، از خدمات ارائه شده توسط با ارزش ترین شرکت های جهان، از نفوذ پنهان سازمان های دولتی، تا قدرت جنبش های اجتماعی و سیاسی. همه آنها رفتار انسان را برای شکل دادن به آن مطالعه می کنند. به طور خلاصه، همه آنها علوم اجتماعی را با ابزار محاسباتی انجام می دهند. در این دوره به سه سوال پاسخ می دهیم: I. چرا علوم اجتماعی محاسباتی (CSS) در حال حاضر؟ II. CSS چه چیزی را پوشش می دهد؟ III. نمونه هایی از CSS چیست؟ در این بخش آخر، ما به چهار کاربرد اصلی CSS نگاهی می اندازیم. ابتدا، پروفسور Blumenstock از UC Berkeley بحث می‌کند که چگونه می‌توانیم با مطالعه ردپای عظیم دیجیتالی که از تعاملات اجتماعی امروزی به جا مانده، به‌ویژه برای تقویت توسعه بین‌المللی، بینش‌هایی به دست آوریم. دوم، پروفسور شلتون از UC Riverside ما را با دنیای یادگیری ماشینی آشنا می‌کند، از جمله مفاهیم اساسی پشت این محرک فعلی بسیاری از چشم‌انداز محاسباتی امروزی. پروفسور فاولر از UC San Diego ما را با قدرت شبکه های اجتماعی آشنا می کند و در نهایت پروفسور Smaldino از UC Merced توضیح می دهد که چگونه شبیه سازی کامپیوتری به ما کمک می کند تا برخی از رازهای ظهور اجتماعی را بگشاییم.

کشف اصول روش های علمی محکم در علوم رفتاری و اجتماعی. به ما بپیوندید و یاد بگیرید که علم درهم و برهم را از تحقیقات جامد جدا کنید! این دوره اصول بنیادی علم، برخی از تاریخ و فلسفه علم، طرح های پژوهشی، اندازه گیری، نمونه گیری و اخلاق را پوشش می دهد. این دوره با دوره مقدماتی در سطح دانشگاه در مورد روش های تحقیق کمی در علوم اجتماعی قابل مقایسه است، اما تمرکز زیادی بر یکپارچگی تحقیق دارد. ما از نمونه هایی از جامعه شناسی، علوم سیاسی، علوم تربیتی، علوم ارتباطات و روانشناسی استفاده خواهیم کرد.

آیا تا به حال خواسته اید رمان رومئو و ژولیت شکسپیر را بخوانید؟ این دوره یک مطالعه راهنما از فیلمنامه را ارائه می دهد و شما را با دیدگاه های بازیگرانی که در نمایشنامه بازی کرده اند آشنا می کند. این در درجه اول شامل مصاحبه با 14 بازیگر حرفه ای است که حداقل در یک اثر رومئو و ژولیت در جایی در ایالات متحده، در تئاترها و جشنواره های شکسپیر از جمله مرکز شکسپیر آمریکا، تئاتر بازیکنان آمریکایی، و آرکانزاس، کلرادو، ایلینویز، نیو شرکت کرده اند. جشنواره های شکسپیر جرسی و یوتا در تکمیل این دوره، فراگیران می‌توانند طرح رومئو و ژولیت را توصیف کنند، شخصیت‌ها و مضامین اصلی را شناسایی کنند، متن برجسته را تحلیل و تفسیر کنند، و رویکردهای تئاتری متعددی را برای نمایش در نظر بگیرند. این دوره سعی می کند برای مخاطبان متعددی جالب باشد، اما ما فکر می کنیم که ممکن است به ویژه برای ... * علاقه مندان به شکسپیر و شکسپیر کنجکاو در تمام جنبه های زندگی * بازیگران، تمرین‌کنندگان تئاتر، و معلمان شکسپیر در همه جا * دانش آموزان دبیرستانی و کالج علاقه مند به گسترش مطالعات خود در مورد شکسپیر * خوانندگان علاقه مند با آشنایی کم یا بدون آشنایی با شکسپیر تصویر لوگو از https://picryl.com/media/romeo-and-juliet-12

در این دوره، شما یاد خواهید گرفت که روندهای جهانی در حال تغییر سریع، اثرات آنها بر بازارهای مصرف کننده و کار، سیستم های مالی و روابط ژئوپلیتیکی بین کشورهای سراسر جهان را تجزیه و تحلیل کنید. پروفسور مائورو گیلن از مدرسه وارتون این دوره را طراحی کرده است تا به شما در درک میزان تأثیر این روندها بر دنیای تجارت و جامعه کمک کند. از طریق مطالعات موردی در دنیای واقعی، چه تاریخی و چه معاصر، بررسی خواهید کرد که چگونه تغییرات در یک جامعه بر دیگران تأثیر می گذارد. در پایان این دوره، شما ابزارهایی را به دست خواهید آورد تا بتوانید تغییرات جهانی را که بر تجارت و جامعه شما تأثیر می گذارد، شناسایی، تجزیه و تحلیل و سازگار کنید.

مقدمه ای بر مهم ترین پرسش های نجوم مدرن. چهار بخش این دوره سیارات و زندگی در جهان هستند. زندگی ستاره ها; کهکشان ها و محیط آنها تاریخچه کیهان.

مدیریت امنیت سایبری مربوط به مدیریت ریسک است، به ویژه ریسک دارایی های اطلاعاتی که توسط یک سازمان ارزش گذاری شده است. این دوره به بررسی نقش حاکمیت، مدیریت ریسک و انطباق (GRC) به عنوان بخشی از فرآیند مدیریت امنیت سایبری، از جمله عملکردهای کلیدی برنامه ریزی، سیاست ها، و مدیریت فناوری ها برای حمایت از حفاظت از دارایی های اطلاعاتی حیاتی می پردازد. در این دوره، زبان آموز قادر خواهد بود: ● اهمیت و کارکردهای حکمرانی، مدیریت ریسک، و انطباق در مدیریت برنامه امنیت سایبری را شناسایی کنید. ● بهترین شیوه ها در مدیریت ریسک شامل حوزه های ارزیابی ریسک و درمان ریسک را شرح دهید. ● ساختار و محتوای استراتژی، طرح ها و برنامه ریزی مرتبط با امنیت سایبری را شرح دهید ● مولفه ها و روش های کلیدی سیاست های امنیت سایبری و توسعه سیاست ها را شناسایی کنید ● درباره نقش معیارهای عملکرد به عنوان روشی برای ارزیابی و بهبود برنامه های GRC بحث کنید

در مرکز شنوایی و سلامت عمومی جانز هاپکینز، ما به آموزش نسل بعدی پزشکان و محققان برای مطالعه تأثیر کاهش شنوایی در افراد مسن بر سلامت عمومی و توسعه و اجرای استراتژی‌ها و راه‌حل‌های بهداشت عمومی برای سلامت عمومی اختصاص یافته‌ایم. کاهش شنوایی مرکز مفتخر است این دوره آموزشی را ارائه دهد که رویکرد بهداشت عمومی را به تحقیقات مبتنی بر جمعیت پیری و شنوایی معرفی می‌کند، وضعیت سیاست‌های بهداشت عمومی و مداخلات در حال انجام را بررسی می‌کند و تحقیقات اپیدمیولوژیک کنونی را که کاهش شنوایی را با پیامدهای شناختی و مراقبت‌های بهداشتی در سالمندان مرتبط می‌کند، مورد بحث قرار می‌دهد. بزرگسالان، از جمله زوال عقل. فراگیران از اساتید و محققان جانز هاپکینز خواهند شنید که در زمینه تخصص خود در زمینه های گوش و حلق و بینی، شنوایی شناسی، اپیدمیولوژی، پیری شناسی و سیاست/اقتصاد بهداشت عمومی صحبت خواهند کرد.

این دوره یک دوره مقدماتی است که شما را با مفاهیم و ابزارهای تفکر مسئله ای مجهز می کند. در پایان این دوره، شما قادر خواهید بود: 1. مراحل مختلف یک پروژه علم داده را توضیح دهید 2. درباره برخی از ابزارها و تکنیک های مورد استفاده در علم داده بحث کنید. 3. از تفکر ساختاریافته برای حل مشکلات استفاده کنید و در حین انجام این کار از تله های رایج اجتناب کنید 4. از طراحی انسان محور در حل مسئله استفاده کنید. این دوره همچنین به عنوان اولین پله برای دانشمندان مشتاق داده عمل می کند. این دوره بخشی از برنامه با عنوان گواهی حرفه ای علم داده فراکتال است. این دوره برای دانش آموزانی که به دنبال تقویت توانایی های تحلیلی و تفکر انتقادی خود هستند طراحی شده است. این دوره ایده آل برای دانش آموزان، متخصصان و هر کسی که شیفته رویکردهای سیستماتیک است، مهارت های اساسی مورد نیاز برای برخورد با مشکلات را با وضوح و اطمینان به شما می دهد.

چگونه نوآوران می توانند بفهمند که آیا ایده آنها ارزش توسعه و پیگیری دارد؟ در این دوره، ما یک فرآیند سیستماتیک برای تصمیم گیری استراتژیک در مورد محصول یا خدمات نوآورانه ارائه می دهیم که به کارآفرینان، مدیران و نوآوران کمک می کند تا از دام های رایج اجتناب کنند. ما به دانش‌آموزان آموزش می‌دهیم که امکان‌سنجی یک ایده نوآورانه را از طریق تکنیک‌های چارچوب‌بندی مسئله و تجزیه و تحلیل دقیق داده‌ها با برچسب «رویکرد علمی» ارزیابی کنند. این دوره بسیار تعاملی است و شامل تمرین ها و برنامه های کاربردی در دنیای واقعی است. ما همچنین پیامدهای یک رویکرد علمی برای مدیریت نوآوری را از طریق طیف گسترده ای از مثال ها و مطالعات موردی نشان خواهیم داد. این ویدئو بخشی از پروژه ای است که از شورای تحقیقات اروپا (ERC) تحت برنامه تحقیقات و نوآوری افق 2020 اتحادیه اروپا (توافقنامه گرنت شماره 101021061) بودجه دریافت کرده است.

هر سازمانی از اطلاعات خود برای پشتیبانی از عملیات تجاری خود استفاده می کند. زمانی که تهدیداتی در محیط های داخلی و خارجی وجود داشته باشد، خطر از دست دادن اطلاعات یا آسیب را ایجاد می کند. این دوره به بررسی طراحی و ساخت یک برنامه مدیریت ریسک، از جمله سیاست ها و طرح ها، برای حمایت از شناسایی و درمان ریسک دارایی های اطلاعاتی سازمان می پردازد.